Intelligenza artificiale calcola l'età del DNA nelle cellule umane

I modelli di metilazione del DNA funzionano da orologi cellulari: grazie all’intelligenza artificiale, un’impronta molecolare può diventare una stima dell’età. Dataset diversificati e confronti con i metodi attuali ne delineano risultati, implicazioni e prospettive.

Un team della Università Ebraica di Gerusalemme ha sviluppato un metodo basato sull'intelligenza artificiale in grado di stimare l'età cronologica di una persona analizzando solo due piccole regioni genomiche. Lo studio, guidato da Bracha Ochana e Daniel Nudelman sotto la supervisione dei professori Tommy Kaplan, Yuval Dor e Ruth Shemer, utilizza reti neurali profonde per esaminare i modelli di metilazione del DNA a risoluzione di singola molecola, raggiungendo un errore mediano di appena 1,36 anni negli individui sotto i 50 anni. Questo approccio non è influenzato da fattori come:

• il fumo,
• l'indice di massa corporea o
• il sesso,

aprendo nuove strade per applicazioni forensi, nella ricerca sull'invecchiamento e nella medicina personalizzata.

I modelli di metilazione del DNA come orologi cellulari

La metilazione del DNA rappresenta una delle modifiche chimiche più stabili e diffuse nel genoma umano. Nel corso della vita, determinati siti CpG subiscono cambiamenti prevedibili nel loro livello di metilazione, creando una sorta di impronta molecolare che riflette il tempo trascorso. Mentre i metodi tradizionali si concentravano sull'analisi di centinaia di siti, il nuovo algoritmo si concentra su due regioni genomiche specifiche}, catturando comunque informazioni sufficienti per una stima altamente accurata. Questo approccio semplificato riduce i costi di sequenziamento e accelera l'analisi, mantenendo al contempo una precisione eccezionale.

Dall'impronta molecolare alla stima dell'età numerica

Il cuore dell'innovazione risiede nel modo in cui la rete neurale profonda interpreta i dati di metilazione. Il modello è stato addestrato su un ampio dataset contenente profili di metilazione di singole molecole provenienti da migliaia di individui. Durante il processo di apprendimento, l'algoritmo identifica schemi complessi che correlano specifici livelli di metilazione con determinate età cronologiche. Una volta addestrato, il sistema può prendere una nuova sequenza di DNA e, analizzando i modelli di metilazione in quelle due regioni chiave, generare una stima dell'età con un errore medio di 1,36 anni per le persone sotto i 50 anni. Questa precisione supera di gran lunga i metodi precedenti, che tipicamente riportavano errori di 3-5 anni.

Dataset di addestramento: diversità cellulare e copertura campionaria

Per garantire robustezza e generalizzabilità, i ricercatori hanno utilizzato un dataset di addestramento composto da oltre diecimila campioni di DNA provenienti da individui di età compresa tra 18 e 93 anni. I campioni includevano diverse tipologie cellulari, tra cui:

• sangue periferico,
• fibroblasti cutanei e
• cellule epiteliali.

Questa diversità cellulare ha permesso al modello di imparare come i modelli di metilazione variano tra diversi tessuti, migliorando la sua capacità di stimare l'età indipendentemente dal tipo di campione analizzato. Il set di test includeva oltre duemila individui non utilizzati durante la fase di addestramento, garantendo una valutazione realistica delle prestazioni.

Risultati quantitativi e confronto con i metodi esistenti

Oltre al già impressionante errore mediano di 1,36 anni, lo studio ha riportato una deviazione standard di 2,1 anni nella popolazione sotto i 50 anni. In confronto, i tradizionali orologi epigenetici basati sulla metilazione del DNA, che analizzano decine o centinaia di siti CpG, raggiungono tipicamente errori di 3-4 anni nella stessa fascia d'età. Il nuovo metodo ha anche dimostrato una maggiore resistenza alla variabilità causata da fattori esterni come il fumo o l'indice di massa corporea, mantenendo la sua precisione anche quando questi fattori erano presenti. Queste prestazioni rendono lo strumento particolarmente adatto per applicazioni che richiedono stime d'età accurate e non invasive, come le indagini forensi o il monitoraggio della salute personalizzato.

Implicazioni biologiche e prospettive future

La stima dell’età cronologica non equivale a una diagnosi dello stato di salute: eventuali differenze tra età stimata e anagrafica possono essere oggetto di ricerca, ma non dimostrano da sole un invecchiamento accelerato né la presenza di una malattia. L’errore mediano di 1,36 anni è stato riportato per gli individui sotto i 50 anni, quindi non va esteso automaticamente a tutte le fasce d’età o a ogni tipo di campione.

Per passare dalla ricerca all’impiego clinico serviranno ulteriori verifiche su gruppi di popolazione e contesti diversi. L’integrazione con altri biomarcatori potrà essere valutata per capire se le stime aggiungono informazioni utili alle decisioni mediche; nel frattempo, il metodo va considerato uno strumento di ricerca e non un test diagnostico autonomo.